县域地区短期负荷预测模型的研究

论文摘要

电力系统短期负荷预测是电力系统调度、用电、规划等管理部门的重要工作。负荷预测水平直接影响电力系统的经济效益和社会效益。准确的负荷预测有助于提高系统的安全性和稳定性,能够减少发电成本。随着电力市场的发展,用电需求量急剧增加,短期负荷预测成为各个供电部门一个不可或缺的部分,而不再局限于一些负荷量较大的区域,在一些负荷相对小的区域如县域地区也逐渐兴起,以便更好地利用电能、完善电力市场。本文首先介绍了电力系统负荷的组成、特点,阐述了负荷预测的原理、起源及当前国内外电力负荷预测领域应用概况。在分析比较了常用短期负荷预测方法的优缺点的基础上,对适用于长兴电网的短期预测进行了深入研究。论文以长兴电网作为预测对象,应用基于神经网络考虑实时气象因素的短期负荷预测新模型进行短期负荷预测。预测结果较为满意,能满足实际生产的要求。

论文目录

• 致谢
• 序言
• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 负荷预测的基本概念
• 1.1.1 负荷预测的分类
• 1.1.2 短期负荷预测的特点
• 1.1.3 短期负荷预测的意义
• 1.2 短期负荷预测国内外研究和应用现状概述
• 1.2.1 回归分析法
• 1.2.2 时间序列法
• 1.2.3 灰色理论预测
• 1.2.4 人工神经网络模型
• 1.2.5 专家系统法
• 1.2.6 模糊控制方法
• 1.2.7 小波分析法
• 1.2.8 组合预测模型
• 1.2.9 小结
• 1.3 本文的主要工作
• 2 电力负荷特性分析
• 2.1 电力负荷的分类和特点
• 2.1.1 电力负荷的分类
• 2.1.2 电力负荷的特点
• 2.1.3 影响电力负荷变化的因素
• 2.2 短期电力负荷的特性分析
• 2.2.1 电力负荷的组成分析
• 2.2.2 典型负荷分量的特性
• 2.3 县域地区电力负荷的特性分析
• 2.3.1 县域地区概况
• 2.3.2 县域地区电力负荷的组成分析
• 2.3.3 县域地区电力负荷的波动分析
• 3 人工神经网络（ANN）理论
• 3.1 人工神经网络的基本要素
• 3.1.1 神经元功能函数
• 3.1.2 神经元之间的连接形式
• 3.1.3 人工神经网络的学习（训练）
• 3.2 BP神经网络
• 3.3 BP网络的性能分析
• 4 气象因素对短期负荷的影响分析
• 4.1 短期预测中气象因素分析
• 4.2 气象因素应用于短期负荷预测的处理思路
• 4.3 基于实时气象因素的短期负荷预测方法
• 4.3.1 考虑实时气象因素的必要性
• 4.3.2 负荷预测中实时气象因素的研究现状
• 4.3.3 实时气象因素的影响分析
• 5 县域地区短期负荷预测模型的建立
• 5.1 气象校正法
• 5.2 考虑气象因素的BP网络结构设计
• 5.2.1 短期负荷预测的人工神经网络构成
• 5.2.2 人工神经网络的数据处理方法
• 5.3 基于实时气象因素的短期负荷预测
• 5.3.1 BP网络历史参考日的选取
• 5.3.2 BP网络输入变量的选择
• 5.3.3 BP网络结构设计
• 5.4 实例分析
• 6 短期负荷预测系统的设计
• 6.1 开发工具PI数据库介绍
• 6.2 系统结构和功能
• 6.2.1 系统结构
• 6.2.2 系统各模块设计思想和主要功能
• 6.3 系统使用效果
• 7 结论与展望
• 7.1 结论
• 7.2 近几年研究获得效果
• 7.3 展望
• 参考文献
• 作者简历
• 攻读学位期间发表的论文和完成的科研工作
• 附录